KI bei Hausaufgaben und Prüfungen: Was hilft wirklich beim Lernen?

Ein Schüler meldet sich im Mathematikunterricht. Er möchte seine Lösungen zu den Hausaufgaben vorlesen. Ich bitte ihn nach vorne: „Erklär uns doch einmal ausführlich, wie du die Aufgabe gelöst hast.“

Damit hat er offenbar nicht gerechnet. Beim Erklären gerät er ins Stocken. Die Lösung steht auf seinem Blatt, aber den Weg dorthin kann er nur teilweise erläutern.

Ob dabei KI geholfen hat, weiß ich nicht. Solche Situationen gab es auch schon vor ChatGPT. Doch mit KI ist es noch einfacher geworden, eine vollständige Lösung vorliegen zu haben, ohne die einzelnen Schritte selbst durchdacht zu haben.

Für mich steckt darin eine zentrale Frage: Hilft KI Schülerinnen und Schülern, Mathematik besser zu verstehen – oder hilft sie ihnen vor allem, richtig gelöste Aufgaben abzugeben?

Eine richtige Lösung ist noch kein Beleg für Verständnis

Hausaufgaben sollen Gelegenheit geben, Unterrichtsinhalte zu vertiefen, Lösungswege auszuprobieren und Schwierigkeiten zu erkennen. Wer eine fertige Lösung übernimmt, kann zwar ein vollständiges Heft vorzeigen. Ob dabei etwas gelernt wurde, bleibt offen.

KI kann diese Lücke vergrößern. Sie kann aber auch helfen, sie zu schließen: durch passende Hinweise, Rückfragen und Erklärungen. Entscheidend ist deshalb, wie sie eingesetzt wird.

Ein Feldexperiment mit knapp tausend Schülerinnen und Schülern im Mathematikunterricht zeigt diesen Unterschied deutlich. Eine Gruppe übte mit einer ChatGPT-ähnlichen Oberfläche auf Basis von GPT-4. Ihre Leistung während des Übens lag um 48 Prozent über der Vergleichsgruppe ohne KI. In einer anschließenden Prüfung ohne KI schnitt sie jedoch um 17 Prozent schlechter ab.

Die Studie untersuchte auch eine zweite KI-Variante: einen Tutor mit didaktischen Leitplanken, der Hinweise geben und vollständige Lösungen zurückhalten sollte. Diese Gruppe zeigte ebenfalls deutlich bessere Übungsleistungen. Der spätere Leistungseinbruch trat bei ihr nicht auf. Ein zusätzlicher Prüfungsvorteil gegenüber der Gruppe ohne KI ließ sich allerdings nicht nachweisen. Bastani et al., 2025

Das Ergebnis ist also kein pauschales Argument gegen KI beim Lernen. Es zeigt vielmehr: Gute Ergebnisse mit Unterstützung sagen noch nicht zuverlässig, was jemand anschließend allein kann. Und die Gestaltung der Unterstützung macht einen Unterschied.

Auch ein KI-Tutor garantiert keinen zusätzlichen Lernerfolg

Eine Studie der Technischen Universität München mit 275 Studierenden eines Einführungskurses im Programmieren ergänzt dieses Bild. Verglichen wurden ein KI-Tutor, der Hinweise statt vollständiger Lösungen gab, frei nutzbares ChatGPT und eine Gruppe ohne KI-Unterstützung.

Die KI-Gruppen erzielten bessere Aufgabenergebnisse. Beim gemessenen Wissenszuwachs zeigte sich jedoch kein statistisch signifikanter Unterschied zur Vergleichsgruppe. Zugleich berichteten die Forschenden von Vorteilen etwa bei Frustration und kognitiver Belastung. Technische Universität München zur Studie von Bassner et al., 2026

Das bedeutet nicht, dass mit KI nichts gelernt wurde. Es bedeutet, dass bessere Arbeitsergebnisse in dieser Untersuchung nicht mit einem nachweisbar größeren Wissenszuwachs einhergingen.

Ein Programmierkurs an einer Hochschule lässt sich zudem nicht unmittelbar mit einer Mathematikklasse vergleichen. Für den Unterricht bleibt dennoch eine wichtige Frage: Prüfen wir gerade die Qualität eines Ergebnisses – oder das Verständnis der Person, die es abgibt?

Schulen brauchen klare Regeln und passende Aufgaben

Die Kultusministerkonferenz hat im Oktober 2024 eine Handlungsempfehlung zum Umgang mit KI in schulischen Bildungsprozessen beschlossen. Darin geht es auch um die Weiterentwicklung der Prüfungskultur. Handlungsempfehlung der KMK

Auch in den Ländern werden neue Wege erprobt. In Nordrhein-Westfalen begleitet das Projekt KIMADU der Universität Siegen 25 Schulen beim lernförderlichen KI-Einsatz im Mathematik- und Deutschunterricht. Bayern erweitert die Möglichkeiten der Leistungsfeststellung und informiert über die seit August 2026 geltenden Änderungen. Bayerisches Kultusministerium

Ich halte es für sinnvoll, unterschiedliche Wege zu nutzen, um Verständnis sichtbar zu machen. In einem Gespräch oder einer gut aufgebauten Präsentation können Schülerinnen und Schüler zeigen, wie sie denken und Zusammenhänge erklären. Entscheidend bleibt für mich aber auch bei neuen Formaten: Ein ansprechend gestaltetes Ergebnis allein reicht nicht – die eigene gedankliche Leistung muss erkennbar sein.

Daraus folgt auch keine allgemeine Erlaubnis, KI für jeden Leistungsnachweis zu nutzen. Ein Podcast, eine Präsentation oder ein digitales Portfolio beantwortet für sich genommen noch nicht die Frage, welche Hilfsmittel erlaubt sind.

Für Schülerinnen und Schüler muss deshalb vor Beginn einer Aufgabe klar sein: Ist KI zugelassen? Wofür darf sie verwendet werden? Wie soll die Unterstützung offengelegt werden? Und welche Leistung müssen sie selbstständig erbringen?

Was ich daraus für den Mathematikunterricht ableite

Hilfreich finde ich die Unterscheidung zwischen zwei Arten von Aufgaben, wie sie im sogenannten Two-Lane-Ansatz diskutiert wird: Aufgaben, bei denen eigenständige Kompetenzen ohne KI sichtbar werden sollen, und Aufgaben, bei denen KI bewusst einbezogen wird. Der Ansatz stammt aus der Hochschuldiskussion; ich halte seine Grundidee auch für die Schule für nützlich. Einordnung beim Hochschulforum Digitalisierung

Für meinen Mathematikunterricht ergeben sich daraus drei Schwerpunkte.

1. Grundlagen regelmäßig ohne KI sichtbar machen

Schülerinnen und Schüler sollten zeigen können, dass sie eine Gleichung lösen, einen Rechenweg begründen oder einen Fehler erkennen können, ohne dabei auf KI angewiesen zu sein.

Dafür braucht es nicht immer eine Klassenarbeit. Auch eine kurze Aufgabe im Unterricht oder die Erklärung eines einzelnen Rechenschritts kann zeigen, was bereits verstanden wurde und wo noch Unterstützung nötig ist.

2. KI beim Üben als Lernbegleitung einsetzen

Wenn KI beim Üben genutzt wird, sollte sie zum eigenen Denken anregen. Eine passende Aufforderung könnte lauten:

„Gib mir noch keine Lösung. Lass mich zuerst meinen Ansatz erklären. Stelle mir dann eine Rückfrage oder gib mir einen Hinweis zum nächsten Schritt.“

Solche Prompts, wie ich sie auch in meiner KI-Werkstatt aufgreife, können die Unterstützung in eine sinnvolle Richtung lenken. Sie garantieren allerdings weder korrekte Antworten noch Lernerfolg. Auch KI-Erklärungen müssen geprüft werden.

Bei einer Gleichung könnte die Übungsfolge so aussehen: zunächst selbst einen Ansatz versuchen, bei Bedarf einen Hinweis einholen und anschließend eine ähnliche Gleichung ohne KI lösen. Zum Schluss wird ein Rechenschritt begründet. So lässt sich besser erkennen, ob die Hilfe auch für die nächste Aufgabe trägt.

3. Lösungswege besprechen und Verständnis prüfen

Neben dem Ergebnis interessiert mich, wie es zustande gekommen ist. Dafür reichen oft einfache Fragen:

• Warum darfst du diesen Rechenschritt durchführen?
• Wo liegt der Fehler in diesem Lösungsweg?
• Was verändert sich, wenn ich eine Zahl in der Aufgabe austausche?

Solche Gespräche sollten Raum bieten, Unsicherheiten zu zeigen. Wer etwas noch nicht erklären kann, braucht eine Gelegenheit, genau daran weiterzuarbeiten.

Entscheidend ist, was ohne die Hilfe bleibt

Die Szene vom Anfang erinnert mich daran, genauer hinzusehen. Eine vollständige Hausaufgabe zeigt zunächst, dass eine Lösung vorliegt. Ob der Schüler sie verstanden hat, wird erst beim Erklären und selbstständigen Anwenden sichtbar.

KI kann beim Lernen hilfreich sein. Sie kann Erklärungen anbieten, Hinweise geben und den Zugang zu einer Aufgabe erleichtern. Sie kann aber auch dazu verleiten, die Denkarbeit zu überspringen.

Deshalb möchte ich ihren Einsatz an einer einfachen Frage messen: Was können Schülerinnen und Schüler nach der Unterstützung selbst erklären und lösen?

Wenn wir diese Frage im Blick behalten, können wir KI gezielt nutzen und zugleich die Grundlagen sichern, die für weiteres Lernen nötig sind.